yolov8断点续训教程

使用YOLO进行模型训练与权重加载教程

最新推荐文章于 2024-09-26 09:38:24 发布

原创

最新推荐文章于 2024-09-26 09:38:24 发布 · 851 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO #pytorch #深度学习

本文介绍了如何在PyTorch中使用Ultralytics的YOLO模型进行训练，包括加载预训练权重、检查GPU资源以及指定自定义数据集。重点步骤包括注释check_resume函数并恢复训练。

1.打开搜索功能，搜素check_resume()函数
将resume = self.args.resume注释掉
2.找到resume_training()函数，ckpt =torch.load(上次中断生成的last.pt的路径)
ckpt = torch.load(‘runs/detect/train160/weights/last.pt’)
3.将以下文件赋值导自己的py文件上，执行即可

from ultralytics import YOLO
import torch
# Load a model
model = YOLO('ultralytics/cfg/models/v8/yolov8-C2f-DySnakeConv-GAM.yaml')  # build a new model from YAML   默认是yolov8n